如何用Python提高在律所实习的工作效率

笔者去年暑假在律所实习时，做得最多的是Knowledge Management这一类活，听起来似乎高端，实际上大部分时间都耗费在下载文件，按格式命名，上传到律所数据库上，不需要任何智商或法律知识，理论上燕南园的野狗也能做。

笔者对此类体力活是又爱又恨，短时间内有助于停止思考、放松大脑，而长时间的重复会对自身价值和自我存在产生严重怀疑。周末闲下来看了一些Python爬虫的教程，并尝试写了一个很简单的下载文件爬虫。

工作场景

Senior发来邮件，要求整理商务部反垄断局（现隶属国家市场监督管理总局）2018年5月至6月的经营者集中简易案件公示。作为高度熟练的实习生，我的工作流程是，打开反垄断局网站，浏览案件列表：

点开第一个案件，将名为“经营者集中简易案件公示表.doc”的文件下载至本地，由于原文件名是由时间和序号组成的数字，还需要重新命名为“黑石集团有限合伙收购汤森路通公司部分业务案”。返回列表页，对下一个案件重复上述操作。

目标分析

我们要做的就是，用爬虫替代实习生的上述工作：

爬下反垄断局网站简易案件公示页面的内容

筛选出目标案件的链接

打开每一个案件链接，爬下案件页面的内容

筛选出文件的链接和案件名称

下载至本地并以案件名称命名

具体代码

爬取网页使用requests库，筛选内容使用BeautifulSoup4库。主要为三个部分：

1.爬取网页内容

2.筛选链接

3.下载文件并命名

最终效果

目前的程序初步实现了简易案件的下载和命名，但还有很多可以优化的地方，如将文件按照"序号_名称_时间”的方式命名、使用Scrapy多线程爬虫提高抓取速度等。值得进一步思考的还有如何提高程序的可适应性、如何对下载文件进行数据分析等。由于期末临近，这些想法暂时没时间完成了。

总之，下次笔者再去律所实习时，终于可以解放部分体力劳动，有更多时间用于需要一定专业知识和技能，同时又能提升自己的工作啦（摸鱼）！